數據驅動下企業學習數字化轉型的路徑及啟示

□ 徐思元,蔣廣華,于文浩,何佳綺

在加快建設數字中國的背景下,數字化轉型已經成為企業發展的必經之路。在數實融合成為國家中長期重大戰略的前提下,全國數字化轉型指數持續走高。[1]企業學習作為組織發展過程中的重要組成部分,其自身的數字化轉型和人才培養模式的轉變是企業人力資源持續發展建設的必然需要,也是響應國家以及企業數字化轉型戰略的必要舉措。數字化時代,數據是新型生產要素,因此,探索數據驅動下的數字化轉型路徑已成為企業發展必定要研究的課題。

一、數據要素驅動企業學習數字化轉型

隨著5G、云計算等前沿技術的快速發展,商業模式日益數字化,社會環境和企業業務目標靈活變化,[2]企業對員工知識技能有了更高的要求,培訓的手段也越發多元。數字化時代,企業需要利用數字手段實施培訓,不斷優化升級組織學習的方法流程,以實現數字化轉型。數字化轉型能夠優化企業學習流程、提高企業學習效率,推動企業人力資本的升級、培養和挖掘數字化人才以及促進企業數字人才隊伍的建設等。[3]

目前,不少研究者在企業學習的數字化轉型方面進行了探索,總結出了實踐經驗。于文浩等人認為企業學習的數字化轉型是實施戰略性領導,建設數字化學習平臺,創造持續學習的機會,促進知識的共建共享,打造數字化學習生態。[4]孫姚同等人指出企業需要開發智慧學習資源、建設數字學習平臺,并逐步擴展到建設數字化的人才發展、人力資源考評等方面,進而實現企業學習的數字化轉型。[5]德勤基于多個數字化轉型案例總結出企業實現數字化轉型的路徑。一是要建設數字化共享中心,分析優化數字化平臺的設計和考核指標體系;二是要編制數字人才畫像,借助數據建模進行人才管理;三是要建設智慧流程,打造云服務平臺中心等。[6]這些研究表明企業在數字化轉型的過程中需要打造共享的數字系統平臺,實現數字化人才管理以及智慧化組織學習與服務,從運營管理、組織人才、業務服務等多層面實施數字化轉型策略。

數字化時代,數據已成為新型生產要素。數據要素可以驅動企業高質量數字化轉型。甚至,數據要素配置創造價值的過程就被稱之為數字化轉型的過程。[7]在企業數字化轉型的進程中,企業可以利用數據驅動來構建一個長效的高級數據集成架構,搭建多模塊相互聯通的數字化企業學習平臺,為員工提供豐富的學習資源,建立高效交互的信息流程體系,打造數字化學習生態,利用數據編碼,使得優質的人才隊伍與數字戰略匹配發展。[8-10]在數據驅動的數字化轉型作用下,企業能有效改善傳統組織結構,完善數字化企業學習流程,全方位優化企業學習,助力企業發展與變革。因此,數據驅動可謂是企業學習數字化轉型的關鍵。

二、中國電信企業學習數字化轉型的實踐

中國電信是國有特大型通信骨干企業,其企業學習在近20年的發展過程中歷經標準化學習、社會化學習、移動學習、數字學習以及智慧學習等多次轉型升級。中國電信人才發展中心作為中國電信組織發展和員工成長的價值伙伴,是國內首個獲得ATD獎項(Association for Talent Development,人才發展協會)的組織單位,并且在2016—2023年連續7年獲得9次ATD獎。

本文采用案例分析法,以中國電信數據驅動下企業學習的數字化轉型為案例,梳理其學習信息平臺系統從建設、治理、升級優化和應用,到集成數字技術的使用和共建共享的數據化培訓系統建設的過程,從而歸納出“有數—建數—用數”的三階段九步驟的數字化轉型路徑。該路徑應用云計算、大數據、5G、人工智能等新一代數字技術,深度挖掘數據價值,實現傳統面授培訓和線上學習的數字化,并在過程中不斷沉淀數據,規范數據應用,構建數據驅動模型,不斷升級優化企業學習的智慧化程度,助力培訓管理組織從經驗主義走向科學決策,推進員工在工作場域中的學習,最終推動企業數字化轉型進程。

本研究案例主要采用一手數據,數據收集方法采用以訪談法為主、文檔與實地觀察為輔的策略。具體地說,本研究的一手數據主要來源于中國電信人才發展中心數字化學習教研部負責人的訪談、參與數字化學習實踐工作的員工訪談、對數字化培訓實施過程的實地觀察、企業數字系統后臺人才隊伍的盤點數據、企業研發人員的“學—考—評”數據以及相關文件、網站等文檔資料?；诖?本研究通過訪談資料、實地觀察所得出的信息和相關文檔資料共同構成三角驗證以提高本研究的信度,總結出具有一定推廣性的企業學習數字化轉型的路徑。

三、數據驅動下企業學習數字化轉型的路徑

為了能夠更加系統地認識企業學習數字化轉型的現狀,本研究對中國電信的數據驅動下企業數字化培訓案例展開調研,分析其在轉型過程中如何使用大數據分析取代樣本數據分析,總結出其在轉型過程中海量數據的儲備、治理和應用的方式與步驟,以及企業學習數字化轉型的實施路徑。

1.有數:“平臺+內容+運營”三輪驅動,構建共建共享的企業數字化學習生態

數據驅動下企業學習數字化轉型的第一階段是“有數”階段,在這一階段中國電信采用大數據思維,推進學習應用和產品互聯互通,促進學習內容共建共享,實現培訓認證的數據集約,持續產出培訓學習數據資產,為企業培訓提供數據保障?！捌脚_+內容+運營”的三輪驅動助力建設規范化、流程化的企業學習大數據池,為企業培訓提供保障?；诖?中國電信在“有數”階段中提出三步走的措施以實現互聯互通,踐行企業學習云改數轉戰略,探索從自建模式向生態模式的轉變,形成核心學習產品和應用自研,通過運營整合滿足全集團數字化學習需求的平臺生態模式。

(1)第一步:嵌入培訓核心流程,通過自研產品形成以數字驅動為支柱的數字化學習系統

“有數”階段的第一步,中國電信在培訓關鍵流程嵌入自研核心學習產品,開發以培訓認證的數據集約為支柱的企業數字化學習系統。自2007年以來,中國電信就開始面向企業內從事特有技術業務的工作人員開展技能認證,并以此作為相應技術業務工作任職資格的組成部分?；诩寄苷J證業務需求開發上線的認證系統,對認證考試公告創建、報名組織審核、試卷和題庫管理、證書發放等考務組織,以及理論考試和實操考試的監考、管理等考試組織,提供全流程數字化支撐,提高人才認證業務的效率,也實現了人才技能認證數據池的打造。在數字技術的支持下,該平臺每年采集約5萬條認證考試題目數據(包含認證名稱、認證等級、知識點名稱、難易度、題目形式等),以及20萬人次考試記錄(包含認證名稱、認證等級、對應基準崗位、理論成績、實操成績、證書信息等)。到2014年,中國電信開始聚焦脫產培訓這一企業學習核心流程,自主研發上線了脫產培訓的輔助產品——培訓班小助手。該產品從支持脫產培訓全流程角度出發,以培訓前、培訓中、培訓后全流程支持為切入點,實現了課程、師資、案例、教材等教學資源的閉環管理,以及對企業學習數據的系統化管理。目前,培訓班小助手每年采集數據約4萬個培訓班明細數據(包含課程清單、講師信息、學員信息等),200多萬人次的學習檔案明細數據。培訓班小助手通過與企業內部各類管理系統、生產系統能力共享、數據互通,實現了企業線上線下培訓學習管理流程的數字化覆蓋。

(2)第二步:集成學習產品和應用,實現企業數字學習環境數據集約化

“有數”階段的第二步,中國電信集成符合標準的內外部學習產品和應用,實現學習數據集約。在培訓班小助手和技能認證等核心產品自研的基礎上,中國電信數字化學習平臺探索以數據為核心的生態運營模式。在生態運營模式中,逐漸降低學習產品和應用的自主開發比例,從滿足企業培訓和員工不同場景的學習需求出發,通過生態思維引入更豐富的標準產品、應用和服務,整合形成可在企業內部落地的解決方案,其中包括引入線上學習知識中心,在滿足企業線上課程管理和網絡專題班組織開展等業務需求的同時,實現員工課程學習和專題培訓參與支持;引入內外部多套直播系統,并通過其與培訓班小助手以及知識中心的打通,從而滿足企業混合式培訓以及大型網絡公開課等業務需求,也為員工提供多樣化的學習體驗。

(3)第三步:打通人才發展全流程應用,實現互聯互通的數字化企業學習環境

“有數”階段的第三步,中國電信打通人才發展全流程應用,實現企業學習全流程數據集約。在數字化學習平臺生態體系中,雖然內外部各類學習產品和應用解決了全量學習數據集約的問題,但數據之間如何通過相互連通實現共享應用仍是數字化轉型中的一個挑戰。為此,中國電信數字化學習平臺在全面引入189免密登錄體系的基礎上,在上游與人力系統打通,在下游與各條線業務經營系統打通,形成了人才發展全流程的數據集約。上承人力系統,同步人員基本信息,促成全集團近百萬學員在學習的平臺生態中共用同一套數據標準,實現了多個學習產品和應用間的賬號統一,也以人為單位整合形成了完整的培訓學習檔案;下接業務系統,將學習能力深度嵌入前端業務系統,結合人員畫像以及商機信息等業務觸點,實現了工作場域為學員推送學習內容的智慧場景,為數字化學習的演進提供了數據和場景支撐。

在中國電信數字化學習資源生態中,內部學習資源主要來源于集團—省—市三級培訓管理體系,集團層面負責根據戰略要求和人才培養需要,建設關鍵人才隊伍相關的崗位課程;省、市層面根據本土特色建設體現創新實踐經驗的課程。同時,在各層級資源開發中鼓勵調動各領域業務專家參與開發,以學員為中心創新學習資源表現方式,加強學習資源教學設計,運用人工智能、虛擬現實等技術探索新型課程表現形式,并將優秀的課程資源共享,為實現互聯互通的數字化企業學習環境打下基石。在此基礎之上,中國電信數字化學習利用大數據、人工智能等新技術,關注學員崗位特征與學習數據,基于人員畫像和知識圖譜構建持續完善的人課匹配,基于不同場景拓展學習觸點,打通學習資源到學員的推送渠道,開展知識推薦與精準推送,通過個性化學習服務,提高了員工的學習效率與業績支持效果。

2.建數:聚焦重點場景建立規則,以數據刻畫企業人才隊伍建設

數據驅動下企業學習數字化轉型的第二階段是“建數”階段,在這一階段中國電信聚焦重點業務持續探索數據應用場景,通過提煉、優化各類數據驅動模型,從學習場域走向工作場域,助力員工學習?；诖?中國電信在“建數”階段提出了三步,在大數據環境下對數據生命周期進行治理,對數據資產進行管理和控制,并在此基礎上盤點完善人才隊伍的建設。

(1)第一步:設立規則,建設數字化的人力資源管理

“建數”階段的第一步,中國電信實現數字化學習的數據治理,包括組建專門的數據治理組織,明確數據治理分工和治理職責,不斷促進數據共享提升;建立數據責任體系和相關機制流程,提升數據質量,釋放數據價值,落實《中華人民共和國數據安全法》和《中華人民共和國個人信息保護法》,做到與集團數字化轉型推進工作組上下聯動,夯實企業數字化轉型基礎;數據驅動決策進一步形成管理模式,通過數據監督與評價實現培訓持續精進和精準教學的良性循環優化。

(2)第二步:盤點人才隊伍,提出層剖法人才隊伍數據視圖

“建數”階段的第二步,中國電信繪制出三級圖層的數據視圖。隨著中國電信“云改數轉”戰略的提出,組織發展對專業技術人員的數量、結構都提出了更高的要求。因此,關鍵人才隊伍的規劃和培養需要利用新的理念、技術和手段,挖掘數據要素的應用價值,提升培養人才隊伍規劃的科學性。依托數據驅動的助力和三級管理結構,中國電信提出了層剖法人才隊伍數據視圖,形成了從人才隊伍培訓認證的整體視圖層、關鍵人才隊伍的學習項目視圖層到關鍵崗位課程學習視圖層的三級結構。其中,整體視圖層通過展示人才培養數據,為各級管理者和運營者提供關鍵人才隊伍培養的全局視角;項目視圖層為培訓運營人員提供督學促學工具;關鍵崗位課程學習視圖層為課程迭代優化提供量化輸入。

整體視圖層聚焦集團重點業務和關鍵人才隊伍,從人才認證和培訓覆蓋的省市縣三級維度展開,助力學習運營視角從規模覆蓋向省市縣結構優化拓展。具體分析指標包括:各人才隊伍數量、預測千人配置、省市縣三級結構、地市/區縣認證覆蓋率、各省認證覆蓋質量指數以及各省認證配置投入指數。其中,地市/區縣覆蓋率是指不同業務條線在全集團各級單位的認證人員分布;各省培訓認證覆蓋質量指數是指在某個重點業務上,以各省區縣覆蓋率和預測千人配置組成的波士頓矩陣(如圖1),如在當前業務上,B省培訓認證區縣覆蓋情況最理想,人員配置也最高,可以作為標桿省份,但G、H等省份表現欠佳,需要做重點培訓覆蓋。各省重點業務培訓認證配置投入指數是指用各省不同業務模塊培訓認證所占百分比做的百分比堆積圖,可以直觀呈現不同省份在不同業務上的投入側重,預測這是否為該省內重點聚焦和突破的業務。上述指標可以從不同視角幫助管理者和運營者觀察分析各單位重點人才隊伍認證情況,從而更加精準地調整下一步人才培養策略。

圖1 各省培訓認證覆蓋質量指數

學習項目視圖層進一步對整體視圖層數據進行解剖,其主要統計分析方法是聚焦具體的數字化學習項目,尤其是集團重點業務相關的重要戰略級學習項目,通過TOP(最佳)組織單位推測觀察各單位重點業務培訓落地情況,尋找標桿單位、提煉最佳實踐,同時通過LAST(末位)和未覆蓋單位的分布情況來調整該部分單位在本培訓主題中的培訓組織策略。

關鍵崗位課程學習視圖層,是對學習項目視圖層中學習資源相關數據的進一步解剖。聚焦集團政企體系、集成體系等前后端不同條線解決方案,對課程學習數據的參訓率、完課率等指標進行統計分析,為課程運營策略調整以及迭代優化提供數據支撐。

(3)第三步:創建人才隊伍畫像,搭建“學—考—用”數據管理模型

“建數”階段的第三步,中國電信通過BMO域(B指業務域,M指管理域,O指運營域)數據聯動,關聯培訓學習數據、技能認證數據以及業務數據,提煉出了關于人才隊伍畫像的“學—考—用”數據管理模型。其中,“學”和“考”是人才培養手段,“用”是人才培養目標。

以某研發人員隊伍為例,“學”的數據主要指研發人員參與培訓班和自主選學的數據,“考”的數據主要指研發人員參與且通過內部技能認證或者外部專業認證的數據,“用”的數據主要指研發人員參與研發項目的實戰數據。其中,“學”和“考”兩部分的數據指標結構與層剖法人才隊伍數據視圖相似,“用”的數據可以從認證人員研發項目參與率、人均項目數、人均工時、跨單位調用率以及人力效用指數等指標來展開分析,其中項目參與率取持證人員參與項目研發的占比,體現研發人員訓后在業務條線的使用情況;人均項目數和人均工時數體現研發人員訓后在業務條線的使用程度;跨單位調用率取持證人員跨單位參與研發項目的占比,體現人員跨單位使用的流動情況;人力效用指數取各單位持證人員參與項目次數與參與項目工時的面積圖,來體現各部門研發人員使用效益,可用以輔助定位最佳實踐單位。圖2展示了某研發隊伍“考”(認證)和“用”(實戰參與項目)的數據指標統計分布,可以看出,在該隊伍中,“學/考”以致用率最高的是H省,可以進一步挖掘其作為該隊伍的培養標桿省份,為其他省份提供案例。

圖2 某研發人員考用數據指標統計分布

最后,在“學—考—用”數據管理模型中,還可以加入培訓學習(學)指標、技能認證(考)指標以及業務(用)指標之間的相關性分析,比如學習時長與工時之間、完課數與工時之間、技能認證等級與工時之間的相關性,在相關性比較明顯的情況下,還可以通過回歸分析,用以輔助尋找培訓和業務之間的聯系,以便優化調整培訓或認證規劃及組織策略。

3.用數:智慧學習,從開展數字化的學習應用、質量評估到對原有模型的升級優化

數據驅動下企業學習數字化轉型的第三階段是“用數”階段,在這一階段中國電信通過共建共享的數字化企業學習平臺生產、沉淀和匯聚數據,通過聚焦重點人才隊伍培養場景的數據治理建立了規則和標準。為進一步提升智慧學習精準度,中國電信在“用數”的過程中進行了三步走,以幫助企業優化智慧學習的流程,促進企業學習在數據驅動下完成數字化轉型。

(1)第一步:智慧學習開展——CPCPD智慧學習數據驅動模型

“用數”階段的第一步,中國電信的智慧學習特指給學員和組織創設一種智慧學習的環境,識別學習者特征、提供合適的學習資源與便利的互動工具、自動記錄學習數據和配套的考試結果,以促進更加有效的學習。關于智慧學習的運營,中國電信基于數字化學習運營經驗提煉出了CPCPD智慧學習數據驅動模型,該模型是指依托數據(Data)驅動,不斷精準人員(Customer)畫像和內容供給(Product),通過構建優化推送渠道(Channel)打通員工和學習資源,從而促進績效提升(Promotion)。該模型強調從設計供需兩側的知識連接著手,構建知識的精準連接。

基于CPCPD模式,學習資源可以和學員精準匹配。學習資源的定向推送,改變了以往學員只能主動進入系統,按照既定路線訪問相同學習資源的模式,實現了根據學習者所處的學習環境和學習習慣智能提醒學習者學習的場景。在學習資源和學員的精準匹配中,從學員角度出發,利用學員靜態數據和動態數據綜合分析確定學員標簽,通過資源標簽體系實現資源和學員的關聯關系。通過學習生態的各渠道進行個性化學習資源的精準推送,從而提升智慧學習的精準性。

(2)第二步:學習資源質量評估——課程質量指數模型

“用數”階段的第二步,中國電信參考國家標準,在數字化學習資源開發迭代中,挖掘和利用數據信息,聚焦數據支持的自動評價,建立了學習資源迭代優化評價指標體系——課程質量指數模型,以持續推進課程優勝劣汰,不斷提升運轉效率。課程質量指數分別從課程傳播度、學員參與度和學員專注度3個維度展開,匯總計算課程觸達速度等在內的13個二級指標得出。用以在指定課程中,通過客觀數據比對,提供課程質量排名,用以輔助甄別優質課程和低質課程,指導課程迭代優化。

第一個維度是課程傳播度指數。它用傳播度指數C(communication)表示,源自對課程平均延遲時間、課程引用/調用次數、目標學員基數、課程注冊人數、課程轉發分享次數和課程休眠時間等多個課程基礎數據進行整合計算,從C1—C5五個維度的子指標在所有課程中的排名位置所處的百分位加總得來。計算公式:C=0.3*C1+0.2*C2+0.2*C3+0.2*C4+0.1*C5,5個系數表示不同子指標的權重:C1是觸達速度指數,用以體現課程觸達學員的平均速度,與課程平均延遲時間相關;C2是觸達效率指數,用以體現課程觸達學員的覆蓋范圍,與注冊課程的人數以及課程的目標學員基數相關;C3是引用/調用指數,用以體現課程被各級組織、部門使用的情況,與課程被引用/調用的次數相關;C4是分享參與度指數,用以體現課程被主動轉發分享的情況,與課程分享次數相關;C5是課程休眠度指數,用以體現課程進入休眠期的時間跨度情況,與課程休眠時間相關。

第二個維度是課程參與度指數。它用參與度指數P(Participation)表示,源自對課程學習人數、課程學習人次、目標學員基數、目標學員學習人數、課程不活躍人數、課程半路放棄課程人數、課程近似完成人數、課程學習中人數等多個課程基礎數據進行整合計算,從P1—P4四個維度的子指標在所有課程中的排名位置所處的百分位加總得來。計算公式:P=0.2*P1+0.3*P2+0.2*P3+0.3*P4,4個系數表示不同子指標的權重:P1是覆蓋效率指數,用以體現課程在目標學員應學基礎上覆蓋范圍的擴大效應,與課程學習人數和目標學員基數相關;P2是人均復學指數,用以體現課程被多次學習、重復學習的情況,與課程學習人次和課程學習人數相關;P3是應學人員參與率,用以體現課程對目標學員的覆蓋情況,與目標學員學習人數和目標學員技術有關;P4是學習活躍率,用以體現暫未正常完成課程學習的學員分布情況,與課程不活躍人數、課程半路放棄課程人數、課程近似完成人數相關。

第三個維度是課程專注度指數,課程專注度用專注度指數F(Focus)表示,源自對課程學習完成人數、課程學習人數、目標學員基數、目標學員學習完成人數、課程平均完成時間跨度、課程評論數、課程收藏數等多個課程基礎數據進行整合計算,從F1—F4四個維度子指標在所有課程中的排名位置所處的百分位加總得來。計算公式:F=0.3*F1+0.3*F2+0.3*F3+0.1*F4,4個系數表示不同子指標的權重:F1是參學完課率,用以體現參與學習的學員課程完成情況,與課程學習完成人數和課程學習人數相關;F2是應學完課率,用以體現參與學習的目標學員課程完成情況,與目標學員完成人數和目標學員基數相關;F3是完課及時度指數,用以體現課程所有學員完成學習的平均速度,與課程平均完成時間跨度相關;F4是互動參與度指數,用以體現學員在該門課程中參與互動的情況,與課程評論數和收藏數相關。

(3)第三步:組織學習項目——學習、直播欄目、培訓項目等運營優化模型

“用數”階段的第三步,中國電信通過組織學習項目,對直播欄目、培訓欄目等運營的模型進行優化升級,助力企業數字化轉型。受疫情影響,近幾年通過直播開展培訓或學習的形式在企業內逐漸完善,中國電信面向不同業務條線和人才隊伍,開設了不同的直播欄目。案例中的組織學習項目通過以下5個維度展開。

第一個維度是學習意愿度指數,該指數是中國電信整合學員歷年培訓檔案,從學習參與度、學習專注度和指定學習項目的專注度3個維度出發,分解學習積極性指數、自主選學積極性指數、學習活躍度指數等多個二級指標,構建形成的指數模型,用以在指定學員中,通過客觀數據比對,提供學習意愿度排名,輔助學習項目設計和運營,它為學習項目組織提升提供數據支持。

第二個維度是學習參與度,用參與度指數LP(Learning Participation)表示,源自對學習課程數、選修課程數、初學課程數、半路放棄課程數、近似完成課程數等多個學員學習檔案的基礎數據進行整合計算,從LP1—LP3三個維度子指標在所有學員中的排名位置所處的百分位加總得來。計算公式:LP=0.3*LP1+0.5*LP2+0.2*LP3,3個系數表示不同子指標的權重。LP1是學習積極性指數,用以體現學員參與課程學習的積極性,與學員歷年學習課程數量有關;LP2是自主選學積極性指數,計算基數限定為選修課程;LP3是學習活躍度指數,用以體現學員未完成課程的分布情況,與學員歷年學習但未完成的課程分布有關。

第三個維度是學習專注度,用專注度指數LF(Learning Focus)表示,源自對完成課程數、選修完成課程數、學習時長等多個學員學習檔案的基礎數據進行整合計算,從LF1—LF4四個維度子指標在所有學員中的排名位置所處的百分位加總得來。計算公式:LF=0.2*LF1+0.3*LF2+0.3*LF3+0.2*LF4,4個系數表示不同子指標的權重。LF1是完課率指數,與學員歷年完成課程數量有關;LF2是選修完課率指數,與LF1指標相似,計算基數限定為選修課程;LF3是完課及時度指數,與學員歷年完成課程學習的時間跨度相關,反映學員課程完成的及時度;LF4是時間投入度指數,與學員歷年課程投入時間相關。

第四個維度是指定學習項目投入度,用投入度指數LI(Learning Input)表示,源自對應學課程學習數、應學課程完成數、應學課程學習進度、應學課程完課時間跨度、學習延遲時間等多個學員學習檔案的基礎數據進行整合計算,從LI1—LI3三個維度子指標在所有學員中的排名位置所處的百分位加總得來。計算公式:LI=0.4*LI1+0.3*LI2+0.3*LI3,3個系數表示不同子指標的權重。LI1是項目學習參與度,與學員在項目中應學課程的參與情況有關;LI2是項目學習完成度;LI3是項目完課及時度。

第五個維度是OCBD模型,它為直播欄目運營優化提供數據支持。具體來說,O(Operate,運營)是定向推送、短視頻傳播、banner廣告等運營手段,不同的運營手段帶來的直播學習數據或直播覆蓋的影響不同,以定向推送為例,可在推送鏈接上附加代碼,從而通過追蹤定向推送進入直播的數據并分析得出定向推送的效果。C(Content,內容)是直播主題、案例所屬地域、直播時長等內容相關指標,可以通過直播主題、直播案例所屬地域、直播時長等數據的分析,對直播主題的選擇、策劃、設計進行優化。B(Behavior,行為)是包括學員參與直播的終端、直播收看時長數據、學員標簽數據等在內的行為數據。D(Data,數據)是對應OCB指標的數據,對三類數據分析后,可以明確直播主題的選擇和策劃,獲得反饋并持續優化直播運營策略。

四、企業學習數字化轉型的實踐啟示

基于中國電信數字化轉型的實踐案例,本研究總結出以下三點啟示。

1.發揮數據驅動作用,優化企業學習與培訓體系

數據是數字化時代的新型生產要素,但數據資源不會直接成為現實生產要素。[7]企業學習過程會產生許多過程性、結果性的數據,企業需要對數據進行恰當配置并合理使用才能實現數據生產要素的價值最大化。而這需要發揮數據驅動作用,通過學習平臺和應用軟件收集的海量數據,建設形成企業學習的大數據池,基于數字化學習產品和系統,在遵守數據倫理規則和數據管理模式的前提下,嵌入到企業人力資源培訓的核心流程中,實現數據賦能的智慧學習,優化企業學習與培訓體系。

在傳統培訓體系下,培訓管理依據的數據是受限制的,多是靜態的、局部的、滯后的數據,或者是逐級申報、過濾加工后的數據,這導致企業所做出的決策存在經驗主義的情況。但中國電信的企業學習與培訓體系并非如此,中國電信通過數據賦能下的“平臺+內容+運營”的三輪驅動,激活了企業學習大數據池,全面、真實、動態地記錄培訓教學全過程。其中獲取的培訓數據在集團、省、地市之間集約、開放和共享。通過數據分析與應用,可幫助改變傳統的企業學習與培訓模式,實現精準地觀察和分析,推進全集團培訓管理從經驗型、粗放型、封閉型向可視化、精細化、智能化轉變,幫助培訓組織者更準確地進行學員畫像,充分了解學員,更精準地設置教學環節。比如在培訓班組織實施中,管理學員的基礎數據、建立脫產培訓檔案、收集整合線上學習數據以及相關業務數據。另外,學員的簽到數據、配套的考試數據、課程和講師的評估數據、培訓班的滿意度,以及培訓后不同周期內學員的業務數據,都可以幫助對培訓效果進行跟進分析。在中國電信的企業學習與培訓體系中,中國電信做到了規?；杉?恰當配置并合理使用數據資源,發揮數據驅動的優勢,優化企業學習與培訓體系,有效地降低成本,實現了大規模、高效率地組織學習,進一步提升了“以學員為中心”的學習感知與學習效果,持續推動數字技術與培訓教育相融合,助力數字化培訓提質增效,促進企業效益和綜合能力的發展,值得借鑒與參考。

2.實施階段式數字化轉型路徑,推進企業數字化學習

數字化轉型并不是一蹴而就的,這涉及諸多內容和要素的轉換和改善,因而一步式的轉型是不切實際的。數字化轉型路徑應該逐步遞進,從組織和企業當前實際情況出發,在企業學習數字化轉型藍圖和大體策略導向下,分階段、分步驟實施,逐漸實現數字化轉型,成就企業的數字化學習。并且,數字化轉型是一個持續發展、永無止境的過程,要以發展的眼光看待問題,需要在數字化轉型的路徑上獲取各個階段的反饋評估,基于反饋以改善下一輪數字化轉型,不斷擴大數字化學習的價值。

中國電信就是一個實施漸進式數字化轉型路徑最終有效推進企業數字化學習的典型案例。中國電信以數據驅動為導向,實施“有數”到“建數”再到“用數”三階段的數字化轉型路徑,循序漸進地完成階段性任務和目標,如圖3所示。其中,在“有數”階段,中國電信根據當前發展的目標搭建了數字化的學習平臺,利用自研數字產品實現內部學習資源共建共享,致力于在企業運營中合理利用數字化資源,打造共建共享的企業學習數字化學習生態。在“建數”階段,中國電信采用場景驅動的戰略,盤點并建設數字化人才隊伍,計劃實施數字化的企業學習項目。最后到“用數”階段,中國電信開展智慧學習,并對學習結果進行考評,便于智慧學習的進一步優化,以提升企業學習的效果。但這并不是企業學習數字化轉型的終點,而是一個新的開端,企業不斷地發現新的學習需求,從而展開新學習項目的實施,不斷地進行“有數—建數—用數”的循環,獲得實踐反饋,基于評估反思實現不斷優化升級。在這一過程中,數據驅動著數字化轉型,而數字化轉型中的改善和反饋又會產生源源不斷的數據驅動力,形成良性循環。

圖3 中國電信企業學習數字化轉型路徑

3.整合看待企業數字化學習,構建數字化學習型組織

企業學習的數字化轉型不僅要循序漸進的實踐,更要以整合的視角看待,即要考慮到組織的培訓與開發流程,又要關注到數字化學習中的多方面驅動力,全面考量企業學習數字化轉型的多方面影響要素,構建數字化學習型組織。

企業學習應與企業戰略相結合。[11]美國管理學講座教授、培訓和發展領域最重要的權威學者之一雷蒙德·諾伊(Raymond A.Noe)提出了企業戰略性培訓與開發流程的模型。該模型強調企業學習的目標需要由公司使命、愿景、價值、目標和競爭力等來決定,需要根據學習目標和經營需求來制定培訓學習的策略;然后,根據培訓需求開發企業學習活動;最后,設立評判標準衡量企業學習的結果是否真正服務于企業的經營戰略,以方便為日后企業學習的不斷改進與優化提供條件。[12]

中國電信借鑒諾伊提出的企業戰略性培訓與開發流程。首先,明確自身的經營戰略,從而確立企業學習的項目目標;然后根據目標制定培訓學習的大體實施策略,其中包括技術手段的應用、共享學習資源等;接著進一步細化到學習項目中具體活動的實施,明確活動步驟;最后在評價的環節中對學習結果與預設標準相比較,衡量該學習項目是否符合企業戰略,以便企業學習項目的不斷升級優化。而且,中國電信還在這一流程中融入了反饋優化的思想,每后一步都是對前面一步的反饋評估,這有利于企業不斷地優化培訓學習模式,精進企業學習效果。

在此流程之上,中國電信考慮到了數字化轉型的多方面驅動力?；诙嗄赀\營經驗,中國電信先是提煉出了MOV模型(M: Management,代表管理推動力;O: Operation,代表運營觸動力;V: Value,代表價值拉動力)。隨著近幾年來我國信息化社會的快速發展,中國電信對MOV模型進行升級優化,在原有模型中加入了D(D: Data,代表數據驅動力),從而得到MOVD模型。在MOVD模型中,信息化平臺是數字化學習的基礎,信息資源是數字化學習的推動力,運營則是數字化學習的核心。在平臺和資源做好儲備的基礎上,良好的學習運營模式和高效的運營服務既有利于數字化學習的開展,又能促進企業內學習數據生產,從而激活企業學習的大數據池。而且與MOV三要素不同,數據驅動力在數字化學習組織全流程中均發揮著重要的作用?？梢哉f,數據驅動著數字化轉型的進程,而實際上數字化轉型的階段進展也會產生源源不斷的數據驅動力。在階段性數字化轉型的過程中,持續積累的數據資源、不斷建立的規則和管理模式、多元化的實施應用場景,使得數據價值不斷提升,數據驅動力也隨之增加。

最終,結合戰略性培訓與開發流程圖、MOVD模型和企業學習數字化轉型路徑,整合出了新的企業數字化組織學習模型(圖4)。該模型表明,在數據驅動的作用下,“有數—建數—用數”的三階段數字化轉型路徑將會逐步推進數字化轉型進程并且基于各階段的反饋優化迭代,可以有效應對不斷變化的市場競爭和學習需求,產生持續的數據驅動力。企業在數據驅動力(D)、管理驅動力(M)、運營觸動力(O)和價值拉動力(V)的相互作用中,實現從學習需求、學習項目實施到學習過程優化的循環聯動,展現出了企業數字化組織學習的整體視圖,為企業學習的相關研究提供了全面性的視角。

圖4 企業數字化組織學習模型

本文分析了數據驅動下中國電信的企業學習數字化轉型的過程與方法,體現了數據在企業學習體系中的有效應用,總結出“有數”到“建數”再到“用數”的三階段九步驟企業學習數字化轉型的路徑,并基于此提出企業學習數字化轉型的三條啟示,以期能夠給其他企業的數字化轉型提供一定的參考。